前言
学霸在知识的海洋里开快艇，我在知识的海洋里喂鲨鱼
为了不被喂鲨鱼，我又来更新学习了，补充一点pandas的知识点
一、系列文章
Python之pandas（二）
Python之pandas
想要多学习点知识的可以去看看，不想就算了（doge）
文章目录
二、环境：jupyter Notebook(Anaconda)
三、Series的索引操作
1.创建数组
import pandas as pd
ser_obj=pd.Series([1,2,3,4,5],index=['a','b','c','d','e'])
ser_obj
2.使用索引位置来获取数据
ser_obj[3] #使用索引位置来获取数据
3. 使用索引名称来获取数据
ser_obj['c'] #使用索引名称来获取数据
4. 使用位置索引进行切片
ser_obj[2:4] #使用位置索引进行切片
5. 使用索引名称进行切片
ser_obj['c':'e'] #使用索引名称进行切片
6. 通过不连续位置索引获取数据,（两个中括号）
ser_obj[[0,2,4]] #通过不连续位置索引获取数据集
7. 通过不连续索引名称获取数据
ser_obj[['a','c','d']] #通过不连续索引名称获取数据集
8. 布尔型索引,返回与模板中True位置对应的元素
ser_bool=ser_obj>2 #布尔型索引,返回与模板中True位置对应的元素
ser_bool
9.通过数据类型索引获取数据集
ser_obj[ser_bool]
四、DataFrame的索引操作
1. 创建数组
import numpy as np
arr=np.arange(12).reshape(3,4)
df_obj=pd.DataFrame(arr,columns=['a','b','c','d'])
df_obj
2. 通过列索引进行切片
df_obj['b'] #通过列索引进行切片
3. 查看数据类型
type(df_obj['b']) #查看数据类型
4. 使用不连续列索引名称获取数据
df_obj[['b','d']] #使用不连续列索引名称获取数据
5. 使用行索引进行切片
df_obj[:2] #使用行索引进行切片（切片的意思就是切一片嘛，一片数据）
6. 使用列索引和行索引进行切片
df_obj[:3][['b','d']] #使用列索引和行索引进行切片
觉得写的不错的，记得三连哈~
